Pim de Witte (31) is volgens Quote de jongste Nederlandse miljardair ooit, met een geschat vermogen van 1,1 miljard euro. Zijn AI-bedrijf General Intuition onderzoekt hoe modellen met gameclips en bijbehorende spelacties ruimtelijk inzicht kunnen ontwikkelen. Achter het vermogensnieuws zit daardoor een minstens zo interessante vraag: wat maakt die clips waardevol, en welke zeggenschap heb je over het gebruik ervan?
Een spectaculaire gameclip is voor een speler een herinnering aan een goede ronde. Voor een AI-onderzoeker kan dezelfde opname een voorbeeld zijn van waarnemen, handelen en reageren. Het verhaal van De Witte laat zien hoe bestaande gebruikersdata een nieuwe toepassing krijgen, met kansen én vragen over controle.
Wie is Pim de Witte en welk record heeft hij gebroken?
Pim de Witte is een ondernemer uit Nijmegen, bekend van Medal: een platform waarmee gamers speelmomenten opnemen, bewerken en delen. In oktober 2025 richtte hij General Intuition op. Een jaar later verschijnt hij met een geschat vermogen van 1,1 miljard euro in de Quote 500 van 2026.
Quote bevestigt op 27 oktober 2026 dat hij daarmee de jongste Nederlandse miljardair ooit is. Het eerdere record lag volgens het zakenblad bij Robert Vis, die in 2020 op 36-jarige leeftijd die titel kreeg.
Dat woord Nederlandse is belangrijk. Het gaat niet om de jongste miljardair ter wereld, maar om het Nederlandse record zoals Quote dat beschrijft.
Staat er echt 1,1 miljard euro op zijn bankrekening?
Nee, dat kun je uit de vermogensschatting niet afleiden. Een geschat ondernemersvermogen is iets anders dan vrij besteedbaar geld. De waarde kan grotendeels in aandelen zitten, waarvan de verkoopprijs niet vaststaat.
Het Laatste AI Nieuws meldt dat General Intuition in september 2026 op 6,2 miljard dollar werd gewaardeerd. Dat is een bedrijfswaardering, geen omzetcijfer en ook niet het persoonlijke vermogen van De Witte. Zulke bedragen vertellen vooral hoeveel vertrouwen investeerders op dat moment hebben in de toekomstige mogelijkheden.
Wat doet General Intuition met gameclips?
General Intuition ontwikkelt basismodellen voor ruimtelijke intelligentie: AI die verbanden probeert te begrijpen tussen een omgeving, een handeling en wat daarna gebeurt. Volgens de eigen uitleg van Medal van 19 maart 2026 gebruikt het onderzoek geüploade gameclips en gegevens over spelacties en gebeurtenissen.
Denk aan een racespel. De beelden laten een naderende bocht zien, de speler stuurt en even later verandert de positie van de auto. Die combinatie bevat meer informatie dan een los plaatje van het circuit.
Medal spreekt daarbij over betekenisvolle beschrijvingen, zoals ‘speler beweegt naar voren’ of ‘er is gescoord’. Volgens het bedrijf gaat het niet om ruwe toetsaanslagen. Het onderscheid is relevant: een toetsdruk krijgt pas betekenis door de context waarin die plaatsvindt.
Wat is een wereldmodel?
Een wereldmodel probeert te leren hoe een omgeving verandert, eventueel als gevolg van acties. Waar een taalmodel bij tekstgeneratie het volgende tekstdeel voorspelt, draait het bij een wereldmodel om mogelijke volgende toestanden van een omgeving.
Dat kan interessant zijn voor systemen die moeten navigeren of handelen, zoals robots. Maar leren van een game is niet hetzelfde als bewezen veilig functioneren in de echte wereld. Een virtuele omgeving heeft andere regels, beperkingen en uitzonderingen. Toepassing buiten de game vraagt daarom om aanvullende training, tests en veiligheidscontroles.
Waarom zijn gameclips waardevol als trainingsdata?
Gameclips kunnen beeld, beweging, timing en menselijke keuzes combineren. Dat maakt ze interessant voor onderzoek naar de samenhang tussen wat een systeem ziet en wat een handeling teweegbrengt.
Ook de schaal speelt mee. Medal meldde in maart 2026 meer dan 15 miljoen maandelijkse gamers en verwachtte dat gebruikers dat jaar ruim 2,5 miljard clips zouden vastleggen. Dat zijn eigen platformcijfers en een verwachting, geen vastgestelde omvang van de trainingsdataset. Niet iedere gemaakte clip is automatisch geüpload of beschikbaar voor onderzoek.
Medal noemt daarnaast concrete productplannen die door het onderzoek mogelijk moeten worden: slimmer bijsnijden, betere ondertiteling en automatisch samengestelde hoogtepunten. Dat zijn beschreven ontwikkeldoelen, geen bewijs dat iedere functie al beschikbaar is.
De waarde zit dus niet simpelweg in ‘heel veel video’. Juist de verbinding tussen beeld, actie en context maakt dit materiaal bijzonder.
Kunnen jouw Medal-clips worden gebruikt voor AI-training?
Ja. Volgens Medal Support mag Medal geüploade clips en bijbehorende metadata gebruiken voor onderzoek en ontwikkeling van geautomatiseerde systemen zolang AI Research and Development aanstaat. Metadata zijn aanvullende gegevens bij een clip.
De keuze geldt voor je account op zowel de desktop-app als medal.tv. De supportpagina beschrijft niet of de instelling voor ieder account standaard aanstaat. Controleer daarom je eigen instellingen in plaats van daarvan uit te gaan.
Hoe zet je AI-training in Medal uit?
De geraadpleegde supportpagina beschrijft deze stappen:
- Log in en open de instellingen van Medal op je desktop of op de website.
- Kies onder User Settings voor Medal AI.
- Zoek onder Research & Data de instelling AI Research and Development.
- Zet de schakelaar op OFF. Je keuze wordt automatisch opgeslagen.
Volgens Medal stond deze optie eerder onder Privacy & Security > Privacy & Visibility. Oudere instructies kunnen daardoor een ander menu noemen.
In de eigen blog zegt Medal dat afmelden ook eerdere data verwijdert. Die mededeling legt niet precies uit wat er gebeurt met eventueel al getrainde modellen. Het verwijderen van brongegevens en het ongedaan maken van eerdere modeltraining zijn verschillende zaken; leid uit de opt-out dus niet automatisch beide af.
Wat kunnen organisaties hiervan leren over AI en data?
De zakelijke les is niet dat ieder bedrijf een eigen wereldmodel moet bouwen. Het verhaal laat vooral zien dat data die voor één doel zijn verzameld later voor iets anders waardevol kunnen worden. Een gameclip wordt onderzoeksmateriaal; een klantgesprek kan ineens interessant lijken voor een AI-pilot.
Dat vraagt om een bewuste afweging, niet om automatisch hergebruik. Stel vóór je begint vier vragen:
- Doel: welke concrete taak moet beter worden, en is AI daarvoor nodig?
- Data: welke informatie is echt noodzakelijk, en mag je die hiervoor gebruiken?
- Leverancier: wordt invoer alleen verwerkt voor jouw opdracht, of ook bewaard en gebruikt voor modeltraining?
- Controle: wie beoordeelt de uitkomst en kan het gebruik aanpassen of stoppen?
Een praktisch voorbeeld: wil je AI conceptantwoorden voor klantvragen laten voorbereiden? Begin dan met goedgekeurde productinformatie en fictieve vragen. Een volledig archief met klantgesprekken delen is niet vanzelfsprekend nodig om te ontdekken of de aanpak werkt.
Bij AIMAZE is dataminimalisatie een uitgangspunt: deel alleen wat nodig is voor de afgesproken taak. De waarde van AI ontstaat vervolgens door een duidelijke rol, bruikbare bronnen, meetbare resultaten en menselijke verantwoordelijkheid. Dat is een andere toepassing dan het trainen van wereldmodellen, maar dezelfde zorgvuldigheid rond gegevens blijft relevant.
Wat is de belangrijkste conclusie?
Pim de Witte laat zien dat AI-innovatie niet alleen draait om chatbots. Ook beelden van menselijke handelingen kunnen een basis vormen voor nieuwe modellen en bedrijven.
Voor gebruikers is de praktische stap eenvoudig: controleer waarvoor je clips mogen worden gebruikt. Voor organisaties is de vraag breder: welke gegevens heb je werkelijk nodig, voor welk doel en onder wiens regie? Een hoge waardering trekt aandacht; een goed ingericht proces bepaalt of AI in de praktijk waarde toevoegt.
